비휘발성 메모리-로직/온디바이스 인공지능 인-메모리 회로 연구

In-memory memory-logic for non-volatile computing on-device AI

연구 내용

eFlash 및 FGFET/FeFET 기반 비휘발성 소자를 활용해 처리 인 메모리(PIM)와 메모리-로직 일체형 아키텍처 및 초저전력 회로 기술을 개발하는 연구

온디바이스 인공지능을 목표로 비휘발성 메모리 소자와 CMOS 호환 회로를 결합한 인-메모리 아키텍처를 설계하는 연구를 수행합니다. eFlash 기반 PIM 기술을 이용해 MNIST 수준 추론을 고에너지효율로 수행할 수 있는 데이터 흐름과 혼성신호 메모리 회로 모델을 개발하고, 하드웨어-소프트웨어 분할을 통해 시스템 레벨에서 연산 시간을 줄이는 방향을 정리합니다. 또한 FGFET 기반 로직 일체형 소자와 compact model을 개발하여 NAND/NOR 및 D flip-flop 수준의 SPICE 동작을 검증하고, FeFET 기반 비휘발성 SRAM 회로에서는 강유전체 멀티게이트 구조의 소자 특성 평가와 회로 최적화를 수행합니다. 수직 트랜지스터 기술은 소자 집적도와 구조 확장에 활용합니다.

관련 프로젝트

5건

연구 흐름

2021년부터 eFlash 기반 PIM을 중심으로 추론칩의 시스템 목표(정확도, 저전력, 저지연)를 정하고, 혼성신호 모델과 시냅스 어레이/뉴런 회로 제작을 통해 실시간 인지 동작을 구현하는 흐름으로 연구를 수행했습니다. 동시에 기존 CMOS 공정으로 구현 가능한 FGFET 기반 메모리-로직 일체형 소자 및 아키텍처 연구를 진행하여 compact model과 단위회로 시뮬레이션, NAND/NOR 및 플립플롭 구현으로 확장했습니다. 이후 2025년부터는 FeFET 기반 초저전력 비휘발성 SRAM 회로 기술로 연구 축을 옮겨 멀티게이트 소자 특성 최적화와 컴팩트 모델 개발을 강화하는 궤적으로 이어졌습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

온디바이스 AI 추론칩
처리 인 메모리(PIM) 가속
비휘발성 메모리 로직
FGFET 기반 로직-메모리
NAND/NOR 수준 인-메모리 게이트
비휘발성 SRAM 회로
FeFET 멀티게이트 구조 설계
컴팩트 모델 기반 설계 자동화
CMOS 호환 메모리 공정
시스템 레벨 전력 예산 최적화